别来机器视觉（这里指工业视觉，及工业领域的应用），计算机视觉是很不错的。不是缺钱又找不到工作 不...
别来机器视觉（这里指工业视觉，及工业领域的应用），计算机视觉是很不错的。不是缺钱又找不到工作 不要做视觉应用，也建议还是不要去驻厂（任何行业），注意些什么招聘写工厂化办公环境的工作，离得越远越好（工厂化办公，不是让你坐工厂办公室办公一定要清楚这一点，是让你进入工厂产线办公，别人家的工厂，驻厂办公的都是外来户很苦逼
一般不是入了坑的人是不会来的，工作基本在工厂，出差也是工厂，有的工厂偏的你找不到周围一点人烟。进工厂也限制很多，特别是富士康这种给苹果代工的，进去一次恶心一次。特别是一些工厂里的无尘车间（可能很多人都没这个概念）。进入产线绝大多数都是与世隔绝，一待可能就是大半天甚至是一整天，手机什么的是不准带的，产线上很吵，很压抑，都不知道那些在电子厂工作工人是怎么坚持到底的，太没人性了。
客户就是上帝，有啥事情了就叫你过去，有时候熬到很晚，很憋屈。机器视觉绝大多数都是to B的，一般客户都是公司、工厂，所以说搞机器视觉的绝大多数都是属于乙方，最为苦逼的；而且基本常年出差，结婚了，漂泊感很强，double苦逼。
都是出差出出来的辛苦钱，现在想想宁愿钱少点也不想进入这个苦逼行业，待遇没互联网高，达到14K也不容易，而且比计算机还年轻饭。生活无规律，加班搞事情，压力大，年级大了吃不消，要么转研发，要么搞项目经理，销售啥的，而且以后视觉应用软件会慢慢的傻瓜，越简单，机器视觉应用没啥前途。
在这个行业呆久了会怀疑人生的，抗压能力一定要强，忍得住寂寞，适应能力强，能在这个行业坚持一年及以上都是人才，坚持三年以上都是很优秀的人才。
总结就是，很多时候跟着项目到处跑，经常换工作环境心里压力比较大，有孩子有老婆的都想稳定了，谁还想待在这个行业，都是没有很好的方法，For Life！！！！！！
其他（针对所有非标自动化行业同样适用，OEM同样苦逼，虽然自动化是趋势，但别认为一个打工仔就能分到羹，钱都是辛苦换的）
目前已经是算是在工业自动化行业干了四五年的老人了，现在回想起当初三年前的回答，结合现在的情况想给大家伙儿一起来分享不一样的感受：
这几年来见证了非标自动化行业的大发展，从行业角度，目前依然还是很有发展前途，个人预计起码未来五年还是在一个快速的发展期，国内的大小企业都越来越注重智能化，信息化。人机一体化智能系统将是未来的重要发展趋势在工业领域。
从一开始对这个行业深恶痛绝到现在慢慢看到行业的发展优势和机会，可以说这一路走来，有痛苦有满足，大多时候想逃离，但当你看到了国内大的就业环境和了解到更多详细的信息会更加理性。慢慢的会发现，有时候工作并没有你想象的那么差，有的工作也没有你想象的那么好。只有深耕一个领域，才能沉淀，才有更多的机会获得更好的职位和发展。这个行业初期前三年都是非常幸苦，非常不容易，我现在依然认为能够坚持三年的人都是心智非常坚定的人，是真的能承受压力、承受孤独以及承受被别人不被尊重。
因此，现在我可能会告诉你，如果你做好了前三年承受痛苦的准备，那你真的还是可以来，后面你发展的路会更宽，而且目前的就业机会也非常多，工资待遇虽然比不上互联网行业，但是也不算太差，相对一些发展平稳的行业，这里还是有些边角料可以挖一挖。
苹果公司APPlE： 带动了整个国内自动化行业的发展，进去也是最难的，需要起码5年以上经验，但是确实是全球最顶级的公司，待遇好的没话说，当然压力也是很大。
华为：不管是2012实验室，还是其新成立的智能制造部门，都是有不错的机会。
小米：也在全力发展智能工厂，人机一体化智能系统是其中重要的一环，以及高精度组装等。
这些多为3C行业，薪酬待遇是非常高，四五年的经验，达到40W+的综合年薪也不是难事。
还有一些网络公司：比如京东，百度，阿里，腾讯都在布局人机一体化智能系统，就是招聘的人数比较少。
说这些就是对大家说，如果来了没有更好的机会，就先沉淀下来，起步两三年，两三年后可以去寻找一些机会，看准自己的方向，这个行业的薪酬待遇肯定是比传统行业要好一些。任何行业，低端岗位都是幸苦钱少的，这是个必然的过程，毕竟刚开始确实需要打基础。最大的感触就是需要耐力坚持住，相信不会一直苦下去。也不要消极对待，认真积累行业经验，自己的技术技能。
不管以后是做技术，售前，产品，解决方案，销售，项目经理，客户经理，以及一些甲方的岗位，自己觉得都是可以的，视野可以宽一点，做啥都区别不大，主要是要积累经验往上走才能脱离低级的重复枯燥的工作。
对了，别的行业比如互联网也没你们想的那么好，996一天天做办公室写代码，是相同的枯燥乏味，都是工具人。
如果还没毕业，我建议你准备公，用一两年考上，都是划算的。公务员真的是相当的好的选择，大学里面的选调生关注一下，入个党。外面大部分一片996的福报，一些外企人性一些。大部分就没有个人时间，请大家珍爱生命，远离剥削。
简单来说，机器视觉即采用机器代替人眼来做测量和判断。机器视觉系统最基本的特点是提高生产的柔性和自动化程度，对应地，机器视觉相应的有以下主要的应用方向和适用场景。
机器视觉的应用主要有几个方面：（1）视觉检测，又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。（2）机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或别的设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术；（3）缺陷类检测：在工业生产过程中，易产生表面缺陷、杂质等影响产品良率，批量化应用及其视觉可以辅助工业生产高效的识别缺陷，提升良率水平。
其适用的场景主要是以下两类：（1）不适合于人工作业的危险工作环境或人工视觉难以满足规定的要求的场合；（2）在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测的新方法可以大大提高生产效率和生产的自动化程度。
一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。以基恩士的CV-X系列的引导式视觉系统为例，其核心组成部分包括：（1）硬件，包括控制器与相机，相机方面，可供选择的相机包括超高精细的2100万像素相机、以及通过将在线种类型传感头）作为测量部，可实现3D形状测量；（2）算法，包括多光谱拍摄、外观检测、智能学习检测、尺寸检测、识别字符检测等多种算法；（3）检测工具，包括机械手视觉系统、连接器工具、3D检测；（4）数据平台，包括图像处理、输出等。
从下业的应用领域看，机器视觉已经从工业领域逐步延伸到非工业领域。消费电子、汽车等行业慢慢的开始广泛应用机器视觉。从下游应用领域看，由于机器视觉的众多优势，为提高生产效率、减少生产的全部过程中的错误，工业生产里的人工环节逐渐被机器替代，工业已成为目前机器视觉应用中比重最大的领域之一，在消费电子、汽车、制药等下业的生产的全部过程中，机器视觉系统与人机一体化智能系统如影随形，被广泛地应用于产品尺寸检测、缺陷检验测试、产品识别、装配定位等方面。在非工业领域，机器视觉主要使用在于农业、医疗、安防、金融和交通等领域。机器视觉很大加强了农业自动化程度，实现农产品分选、品质检测等功能；可用于进行医学影像分析，在医药制药等也有成熟应用；还可用于安防和金融领域的人脸识别，执行身份认证任务；在交通领域则可负责车牌识别等任务。
为什么机器视觉技术能大范围的应用于工业制造生产领域。我们大家都认为有两点重要原因：（1）可靠性原则，机器视觉技术是基于AI的架构，其底层是以数据传感和核心算法作为支撑的，机器视觉设备自身集成了自动化定位、识别、判定的软硬件平台，对于标准批量化产品，能做到较高的可靠性；（2）经济性原则，机器视觉产品的应用对人工的替代性具备明显的成本优势，而且具有更高的一致性要求。机器视觉技术是属于人工智能的重要分支。人工智能的研究核心围绕在如何使机器具备人类智能，其架构可分为基础支持层、技术层、应用层。基础支持层包括大数据、计算力和算法，基础支持层中的数据可以比作人工智能的燃料、算法可以比作人工智能的发动机，数据量、运算能力提升以及深度学习算法促进了人工智能技术的应用发展；技术层侧重人类智能的某一方面，包括视觉类技术（机器视觉、计算机视觉）、语音类技术（语音识别、机器翻译等）、自然语言处理类技术、人机交互等；应用层则是人工智能技术的具体落地，可以是具体的产品、装备（如智能检测装备），也可以是一类解决方案（如人脸识别）。从机器视觉的架构来看，从底层的传感、到算法集成应用，隶属于AI在工业领域的应用。
从海外的定义来看，机器视觉是一门交叉学科，涉及多个领域的综合应用。根据美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA）自动化视觉分会，机器视觉是通过光学装置和非接触式的传感器，自动地接受和处理一个真实物体地图像，以获得所需信息用于控制机器人运动的装置。机器视觉技术主要是采用适合被测物体的多角度光源及传感器获取检验测试对象地图像，通过计算机从图像中提取信息，做多元化的分析、处理，最终用于实际检验测试和控制。总的来看，机器视觉是一门涉及机械、电子、光学、自动控制、人工智能、计算机科学、图像处理和模式识别等诸多领域的交叉学科。
根据《中国人工智能发展报告》，机器视觉技术在国内外AI企业应用技术中占比超过40%，是各类应用技术中应用最广的一类。视觉占据人类信息获取超过80%，是人类最重要的感觉器官，而机器视觉技术将人类强大、复杂的视觉感官赋予机器，可以在一定程度上完成计算机系统对于外界环境的观察、识别以及判断等功能，是AI范畴最重要的前沿分支之一。机器视觉算法、软件和视觉传感器和精密驱控是机器视觉行业的核心技术，是天准科技作为装备制造商区别于系统集成商的关键。机器视觉产业链包括上游零部件供应商、中游装备厂商以及下游应用行业构成。其中机器视觉的核心零部件包括视觉软件、各类传感器，以及光源、镜头等其他与传感器相关的零部件，产业链利润多集中在上游零部件领域。那些具有零部件核心技术的企业在产业链中占据较高的行业地位，往往享受高利润率，同时产品覆盖面广泛，具备发展成大规模的公司的潜力。此外，除了提供上游零部件产品，这一些企业自身还能够给大家提供机器视觉装备，或者通过系统集成商完成装备生产，从而在中游领域亦具备一定影响力。
装备制造商与系统集成商同属于机器视觉行业的中游环节，但两者存在非常明显差异。系统集成商通常直接采购视觉软件、传感器、驱控系统等核心零部件，通过简单的二次开发和组装完成设备生产，不具备自由机器视觉算法、软件和视觉传感器和精密驱控等核心技术，通常不具备整台装备的设计生产能力，一般是在客户真正的需求下在自动化生产线上集成机器视觉机构，或者形成简单的工业视觉装备。
除了以机器视觉为代表的视觉技术大范围的应用于工业制作外，在消费级领域，随着数据量上涨、运算力提升和深度学习算法的发展，计算机视觉技术慢慢的变多地被应用在各类消费级应用场景中，典型的如人脸识别服务，具体包括人脸检测、人脸关键特征点、人脸对比、人脸搜索、人脸属性、人脸聚类、人力活体检测等。计算机视觉是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉与研究人类或动物的视觉不同，它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。从学科上，机器视觉（Machine Vision, MV）与计算机视觉（Computer Vision, CV）都被认为是人工智能的下属科目。两者既有联系又有区别。首先，机器视觉与计算机视觉有很多相似之处，在架构上都是基础层+技术层+应用层；并且两者的基本理论框架、底层理论、算法等是相似的，因此机器视觉与计算机视觉在技术和应用领域上会有一定重叠。
但两者确实是相互区别的，机器视觉与计算机视觉是两个不同的概念，并且侧重点不同。计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段，着重于一幅或多幅图像的计算机分析。图像可以由单个或者多个传感器获取，也可以是单个传感器在不同时刻获取的图像序列。机器视觉则偏重于计算机视觉技术工程化，能自动获取和分析特定的图像，以控制相应的行为。具体的说，计算机视觉为机器视觉提供图像和景物分析的理论和算法基础，机器视觉为计算机视觉的实现提供传感器模型、系统构造和实现手段。二者共用一套理论系统，只是发展的方向不同，机器视觉侧重于在工业领域的实际应用，而计算机视觉侧重理论算法的研究。
随着技术的进步以及应用成本的下降，机器视觉在工业中的渗透率日益提升，整个市场加快速度进行发展。根据中商产业研究院的数据，2018年全球机器视觉市场规模超88亿美元，预计2019年这一数字将近100亿美元。从国内来看，2018年中国机器视觉市场规模首次超过100亿元，预计2019年市场规模将近125亿元。
最开始在美帝从事相关行业，回国后辗转多个城市，先后在德企、日企和美企从事机器视觉的销售工作。
由于运气不错赶上行业腾飞，加上自己敢拼敢闯且有较强的技术背景，目前已经是头部机器视觉公司的区域业务负责人，负责的业务不仅限于中国，也包括东亚和北美；
收入到去年年底近百，随与众多知乎大神不能相比，但是作为制造业圈内人，我认为，我是有资格回答这样的一个问题的。
我看了很多回答，无非两类：一类一开始摆数据讲道理，工业机器视觉前景如何如何好；另一类是作为从业者，一上来就开始吐槽行业有多糟糕，客户有多不讲道理，一副过来人好心劝退后来者的姿态；
我认为，以上两种视角都没错，但是都无法给的读者很多直观的指导，所以，我想在这里简单的跟大家伙儿一起来分享分享我对机器行业的认知，试图帮助更多感兴趣进入这个行业的人了解机器视觉行业到底是怎么回事。
我本硕都读的是机械相关，因为认定制造业是国之脊梁，所以在毕业后也毅然决然的决定在工业制造业寻找就业机会。回国之后拿了很多制造公司的offer，当时制造业的明珠还是汽车行业，我拿了德国两大车厂的全球管培的offer；另外在系统控制里面大名鼎鼎的ROCKWELL、西门子、施耐德等我也都考虑过。最后却选择了体量最小的一家机器视觉公司跑销售。后来几经跳槽，也都是在机器视觉圈子里面辗转。为什么，原因很简单，我认为机器视觉行业这个赛道很新、速度很快、更重要的是潜力很大。
我认为职业的选择一定要选择新的、进步速度快、潜力大的赛道。因为本身如果投身工业制造业，其总体收入水平已经没办法跟金融、IT行业相比，所以一定要选定高端制造这个细分，而一旦从事的是高端制造中的核心环节，那么其发展的潜在能力和收入水平一定会着迷。而我笃定，机器是觉行业就是高端制造浪潮中最最核心的环节。
而我实际的经历也印证了我的判断: 我赶上了水果公司在公司大力投产的高峰、赶上了机器换人的浪潮、赶上了EV行业的投资大趋势。自己的收入水平已经在15年的八千多，至今翻了10倍有余，当然，我是销售，所以收入的波动也相较于技术人员更大。
很简单，因为工业制造的大趋势是机器换人，而机器视觉就是机器的眼睛。没有了机器视觉，机器就成了瞎子，流水线就会停掉。
为什么趋势是机器换人？因为机器不知疲倦、不会出错、不需要五险一金、不需要劳工宿舍、更不需要带薪休假、坏了就修修了在用、产品换了改一下还能用。所以，如果你是老板，你会花钱雇人生产还是买设备生产？
工业化自动化、信息化、智能化的浪潮受益的千千万万个消费者，但是于此同时，它又是极其残忍的，因为他让数以百万计的低技术劳工失去了工作机会，堵死了进厂务工低教育年轻人在城市就业的另一条出卖劳动力的路。在中国各个工厂生产线上数以百万千万计的厂工的命运已是既定的：他们注定会被机器所取代，而机器视觉，将是这些智能设备智能机器人的眼睛、甚至是大脑。而这个残忍的进程，是不以任何人的主观意志为转移的。
既然我们大家可以简单的理解机器视觉就是机器的眼睛，而机器取代的是工厂里面的工人。那么人的眼睛能干嘛，机器视觉理论上就能干嘛。
比如，人眼可以分清猫和狗，那么机器视觉就能分清楚不同的零部件；人眼可以引导人拿水杯喝水，那么机器视觉就可以“引导”机器人手臂去抓取指定的零部件进行组装；人眼可以大概估计一个姑娘的身高和三围，那么机器视觉可以用百分之一秒的速度高速测量一个产品的尺寸和体积，而误差能控制在微米级别；人眼可以看得清汽车的牌照，机器视觉可以用千分之一秒的速度读取产品表面的字符和二维码；
机器视觉是人眼的延伸，而且是加强版的眼睛，它能够引导（Guide）、检验（inspection）、测量(gauge)、识别(Identifiy)，也就是机器视觉业内所说的GIGI.
而机器视觉在里面扮演着无可替代的作用，就如在战场上大战的士兵，机器视觉为奋战在商海的企业家提供了削减成本、提高产出、保证质量的有利武器。
这个问题，其实其他答主已经说的很清楚了，不能说是潜力巨大，而是无穷大，我不知道要怎么形容这一个市场，我只知道廉价劳动力的时代已逝去了，只要工厂里面有人，那么机器视觉就有强大的需求。这么说吧，这一个市场竞争激烈、玩家众多，可是，我们仍旧是每年超快速地增长，年复合增长率30～50%， 利润率超70%，这个数据在工业制造业里面简直令人发指，懂得都懂。
有。机器视觉的本质是在生产制造中替代人的眼睛，纵使机器视觉的精度高、速度快、无休无止的工作，比起人工，强过万倍。
但是，有一类应用，机器视觉有着非常大的挑战：那就是机器视觉皇冠上的明珠：瑕疵检测。
你永远不想自己新买的iPhone手机频幕上有划痕，你永远不想自己新卖的耳机上面有凹坑，你更不希望送给自己女朋友的钻戒上面有瑕疵。过去这种不规则的瑕疵只能熟练工人在组合光源下摆弄着产品做多角度检察，以避免出产的产品上面有瑕疵。但是机器视觉在这块是有局限的。
但是随着深度学习算法在机器视觉行业里面的普遍应用，加上光源技术的快速地发展，现在，机器视觉的供应商也能做出非常灵活高速的外观检测视觉方案。那么，可预见的未来，另一批高级目检技术工种将会被机器视觉取代。正如前面所述，这个趋势不可逆转。
高端的机器视觉供应商还是以国外居多，美国日本欧洲等，你们可以参考其他答主所说，基本上大同小异。
虽然我目前在外资企业，但是我对国内的机器视觉玩家的前景很看好，例如OPT， 凌云，海康等等。他们技术进步快、服务及时且商务灵活。但是，差距也是肉眼可以见的，希望国内的视觉玩家也可以越来越好。
最后，虽然机器视觉行业很有潜力、是高端制造中的重要组成部分，但是，其还是工业中的一个子门类。啥意思呢，就是机器视觉还是服务工业制造的，着就决定了其工作环境还是比较艰苦的，工作强度也相较于坐在办公的地方里面的白领还是较高的，出差频率和时长根据项目决定，也是不低的。
写在最后，机器视觉行业是工业自动化进程中的重要组成部分，这一块也是国内工业供应链中相对薄弱的一块，真心希望国内的企业能够成长起来，在以后全球制造产业链中能有着更大的份额、更高的利润，也希望更多的年轻人能够进入到这个行业，让中国制造从大变强。
谢邀，机器视觉不同于计算机视觉，技术相通但是侧重点不同。 但机器视觉很难说是个高薪行业，现在短时间之内也看不到特别好的发展。 总体属于开发性质而不是研究性质，所以要的研究能力和算法基础并不多。相对容易入门。如果你有良好的自学能力，这个对你并不是问题。
但是如果你想说的其实就是计算机视觉的话， 那就迥然不同了。 计算机视觉要良好的数学和算法功底， 要有足够的研究能力和动手能力。 一般来说不太建议本科毕业工作后多年的人转这个。多考虑一下自己的学术功底是不是适合搞学术研究吧。计算机视觉现在很火，还在于深度学习的原因。深度学习现在仍然在研究和探索阶段，虽然有大量的开源可用，但仍然不成熟，不完善。不适合直接用到工程中。 需要做很多的工作和研究，这里的研究指学术研究。 所以对学术能力要求还是挺高的。 作为从事计算机视觉和机器视觉多年的老程序员来说，我的建议是谨慎考虑，如果对自己的学术能力只有少数信心，可能还是互联网行业发展更容易一些。
1，机器视觉绝大部分都是做应用开发。实际上的意思就是拿市面的开发包针对项目进行应用开发。基本上就是调用动态库，界面，多线程，相关通信等；其实对软件能力有一定的要求的不高。
2，机器视觉的核心还是对硬件（相机，镜头，光源）的选型以及合理的图像工具的选择，这些其实都是跟项目紧密关联的。现在的情况是，能做的，大家基本都能做；不好做的，基本上谁都不易。
3，机器视觉的工作基本跟项目相关，自动化行业很辛苦，出差调试多。特别是做A的项目，惨绝人寰。
4，做机器视觉的出路，大都自己创业吧，能够硬件软件加调试自己搞定，有合适的业务，就可以搞，门槛不高，关键是看有无大腿客户。
辛苦，技术上面弄来弄去就是那几个大家都知道的套路（个别算法高手除外），薪酬在自动化行业算相对好一点吧。
